40 个 AI agent 跑营销,还不是最狠的

先别看 40 个 agent，先看它到底接走了什么活

前段时间，Relay 创始人 Jacob Bank 讲了一个很典型的案例：他把一整套营销工作拆给了 40 个 AI agents 来跑。

表面上看，最吸引眼球的是“40 个 agent”这个数字，但真正值得看的，不是数量，而是这些 agent 接走的到底是什么活。

不是那种听起来很高级、但落不到日常工作的“动脑子工作”，而是一堆原来每天都在发生、很碎、很杂、但又不能没人做的动作。

比如新视频发出去之后，自动改写成 LinkedIn 帖子和 X 的内容；

比如持续盯竞对创始人的社交平台动态；

比如每周扫一遍竞品定价有没有变化等等。

可以看到，这个案例里，不是 AI 开始替代整个营销团队了，而是营销团队里原来揉在一起的一团工作，开始被拆开了。

以前一个市场同学，可能同时要写、要发、要看、要跟、要复盘。

现在，这些动作第一次可以被一条条单独拎出来，交给不同的 agent 去接。

AI 接走的，不只是“写”，还有“复盘”和“跟进”

再举一个销售培训或者说销售复盘这个场景。

Jacob Bank 提到，他们会把销售和客户的会议转录交给 AI，让系统去看：

销售在哪里太早开始 demo？哪里问题没问透？哪里价值没讲清楚？

这个动作以前不是不重要，而是太难高频做。

真人销售教练贵，而且频率低；而 AI 的价值就在于，它能把这种原来高成本、低频率的复盘，变成一个可以低成本、反复跑的日常动作。

这背后其实是同一个变化：现在的 AI 不只是把东西做出来，而是继续向前，往更影响结果的地方继续推进：

一封邮件发完以后，值不值得再改一句？

一场会开完以后，哪些地方其实应该重讲？

一个销售动作结束以后，哪些环节该被复盘？

这些原来因为麻烦、不好做而被跳过的事，现在开始有人，不对，开始有系统盯了。

更厉害的地方，不是自动执行，而是开始自动测试

如果说 Relay 这一类案例，更多还是把营销动作拆开、自动执行，那现在更值得关注的一步，是 AI 开始把“测试”这件事也接过去了。

这才是这波 AI agent 真正变重的地方。

因为营销里真正难的，往往不是“做一个版本”，而是“连续试很多版本”：

推送要不要分人群测？

广告素材要不要先小流量试三轮？

落地页首屏标题要不要换？

投放策略是不是该根据早期反馈继续调？

这些事情，大家都知道重要。问题从来不是“不懂”，而是没时间、没人手、也没有足够低的成本，去把它们持续做下去。

现在 AI agent 在做的，就是这些活。

OpenClaw 补上的，是“持续在线”这一层

先看一个 X 上的帖子：

OpenClaw 这条线有意思的地方，不在于它是不是一个专门做 marketing 的工具，而在于它更像一个一直挂着的执行壳。

它可以接入 WhatsApp、Telegram、Slack、Discord、Teams、飞书、微信这些入口。

也就是说，很多原来散落在不同地方的任务、消息、反馈和触发条件，现在第一次可以被接到同一个长期运行的系统里。

这个变化很重要。

因为营销工作本来就不是在一个后台里完成的。

线索在群里，反馈在邮件里，讨论在协作工具里，竞品动态在社交平台上，实验结果又可能在表格和脚本里。

如果 agent 只能“一次打开、一次运行、一次结束”，它就很难接住这些跨入口、跨时段、跨环节的动作。

OpenClaw 的意义，就是让 agent 不再只是一个“你临时调用一下的工具”，而开始像一个常驻系统一样工作。

autoresearch 补上的，是“自动测试”这一层

在 OpenClaw 之外，autoresearch 这条线更值得看的，是它把“测试”本身也变成了一条可运行的流程。

之前我有篇分享 Karpathy 访谈文章：Karpathy 最新访谈：AI 不是在帮你写代码，它在逼你换一种工作方式

里面 Karpathy 讲 autoresearch 时，说得很直接：

让 AI 自己改代码、跑训练、检查结果、决定保留还是丢弃，再继续下一轮。

openclaw-autoresearch 就是这样的逻辑：改代码，跑 benchmark，看结果，决定继续还是放弃，整套循环会一直自动跑下去。

你把这套逻辑翻译成 marketing 语言，就特别好懂了：

不是帮你写一版文案，而是写完以后继续看数据；

不是给你做一张图，而是先拿去小流量测试；

不是只做一次投放，而是根据反馈决定要继续放大、换素材，还是干脆换方向。

这就是它真正厉害的地方：

不是帮你干一件事，而是替你跑一轮又一轮的测试和试错，然后给出“最优解”。

这波 AI 真正改写的，是营销的优化方式

所以，这篇文章真正要写的，不是“AI 很能干”，也不是“40 个 agent 很震撼”。

是营销这件事，开始多出了一层。

以前很多优化动作，不是没人想到，而是做不过来：

一个落地页，理论上应该不断测标题、测首图、测按钮；

一组广告，理论上应该先小流量测试，再筛选放大；

一次推送，理论上应该拆人群、拆时段、拆内容。

但现实里，大多数团队能做一轮就不错了，更多时候只能凭经验拍一个版本上线。

现在，AI agent 做的就是这些原来最难长期坚持、但又最影响结果的动作。

所以：

Relay 这类案例，让人看到营销这个工作本身可以怎么用 agent 拆和执行；

OpenClaw + autoresearch，则把这件事再往前推了一步：持续执行、持续测试、持续筛选、持续调优。

说到底，marketing 这件事，正在从人工执行慢慢变成一套24小时再跑的系统。